![](https://static.youtibao.com/asksite/comm/pc/images/content_title_q.png)
[多选题]
我们想要减少数据集中的特征数,即降维.选择以下适合的方案:()。
A.使用前向特征选择方法
B.使用后向特征排除方法
C.我们先把所有特征都使用,去训练一个模型,得到测试集上的表现.然后我们去掉一个特征,再去训练,用交叉验证看看测试集上的表现.如果表现比原来还要好,我们可以去除这个特征
D.查看相关性表,去除相关性最高的一些特征
![](https://static.youtibao.com/asksite/comm/pc/images/content_title_a.png)
查看答案
A.使用前向特征选择方法
B.使用后向特征排除方法
C.我们先把所有特征都使用,去训练一个模型,得到测试集上的表现.然后我们去掉一个特征,再去训练,用交叉验证看看测试集上的表现.如果表现比原来还要好,我们可以去除这个特征
D.查看相关性表,去除相关性最高的一些特征
第1题
A.主成分分析
B.因子分析
C.独立主成分分析
D.SVM
第2题
A.PCA和LDA均是基于监督学习的降维方法
B.假设原始数据一共有K个类别,那么LDA所得数据的降维维度小于或等于K−1
C.LDA降维后所得到维度是与数据样本的类别个数K有关(与数据本身维度无关)
D.PCA对高维数据降维后的维数是与原始数据特征维度相关(与数据类别标签无关)
第5题
A.④①③②
B.④③①②
C.③④①②
D.③①②④
第7题
A.n
B.m
C.n-m
D.n=m+1